"

Worken＝活跃机器人数量×自主工作时长×产出效能比

"

作者 | 简   安

编辑 | 卢旭成

“在物理AI时代，我们应该拿什么去度量机器的价值？”2026智元创新日，智元联合创始人、总裁兼CTO彭志辉开场就抛出这个问题。

一台机器人连续运行8小时，不代表它连续工作了8小时。它可能完成了数百次精密操作，也可能有相当一部分时间花在了等待、充电、故障处理和人工接管上。单纯看开机时长，很难判断它究竟创造了多少价值。

而这，正是物理AI走向商业化后必须要回答的问题。

过去几年，Token逐渐成为数字大模型时代的通用计量单位。它让生成式AI的产出和规模都有了清晰的统计口径，也让算力消耗与服务成本变得可核算。但当AI走出屏幕，进入真实物理世界，开始搬运物料、整理货架、安防巡检时，Token就失灵了。因为模型能够生成多少内容，与机器人能够完成多少工作、产出多少实际应用价值，是两个完全不同的命题。

物理AI，需要一个新的度量衡。

对此，智元给出了自己的答案：有效智能工时（Worken）。

Worken，是首个定义物理AI价值的度量衡，由Work和Token合成而来。智元试图用Worken来回答更具体的问题：机器人究竟做了多少工作？又创造了多少有效产出？

它在尝试为物理AI时代的机器人工作价值衡量提供一种新思路，让每一台机器人的工作，价值可衡量、能力可积累、部署可规模化。

Token之后，为什么需要Worken？

蒸汽时代，人类用马力度量机器的力量；电力时代，用千瓦时度量机器的能量……每一次技术革命，都伴随着一个新的度量单位的出现。

Token在过去几年为什么变得如此重要，也是因为它把AI的产出变成了可计价的东西，让数字大模型产业有了统一的价值基准。模型生成了多少？用户消耗了多少？消耗的算力值多少钱？都能用Token这个计量单位串联起来，算得清清楚楚。

但放到物理世界中，这套逻辑显然就走不通了。数字世界里，一次对话、一段代码，都能折算成Token。但当机器人在生产线上拧螺丝、在游乐园里做讲解、在地铁站里做安检时，它到底创造了多少价值？这很难仅凭机器人的数量、模型参数、单次成功率甚至开机时间来回答。

传统工业自动化已经形成非常成熟的评价体系，包括设备利用率、单位产品成本、生产节拍、投资回收周期等。对于那些固定工位、固定工序、确定性较高的任务，这套评价体系依然有效。

但具身智能带来了新的变量。

一台机器人可能今天在工厂生产线上下料、明天在商场门店接待顾客，经过模型升级后还可能承担更多此前没做过的任务。机器人的能力边界不只取决于机器结构，还取决于模型、数据、软件和现场经验。如果只按设备数量、运行时间或单项性能来衡量一台机器人，很难覆盖这种动态增长的价值。

所以，建立一套适配物理AI的新的评价方法势在必行。

这并非某一家企业的单独需求。美国国家标准与技术研究院（NIST）也在推进面向物理AI的测试方法、生产力指标和评估体系研究，尝试将AI算法、机器人系统和具体任务结合起来，评估实际生产中的成本与产出。可见，这已经是具身智能产业化过程中逐渐显现的共性问题。

智元提出“有效智能工时（Worken）”的概念，正是对这一产业需求的回应：评价重心要从机器人拥有多少能力，进一步转向这些能力在真实工作中产生了多少有效产出。

Worken：三个因子算清机器人的有效劳动

Worken的核心逻辑是把机器人的“物理行动”标准化、资产化。智元给出的公式很清晰：Worken＝活跃机器人数量×自主工作时长×产出效能比。三个因子相乘，精准刻画出具身智能对物理世界的实际赋能效果。

第一个因子是“活跃机器人数量”。这里的活跃机器人，不是简单指那些已经交付或开机的设备，而是只统计那些当期在线、可执行任务、且达标的机器人，至于那些宕机、离线、维护中、未达运行标准的设备，则不计入在内。

它衡量的是物理智能的实际覆盖规模，也直接对应了厂商的交付与运维能力。比如在龙旗科技南昌工厂的平板质检工段，8台精灵G2机器人完整覆盖整条产线，全程同步生产节拍。这8台全程达标的设备才是有效规模，而不是堆放在现场的总台数。

第二个因子是“自主工作时长”。它强调机器人在无需人工接管的情况下，连续自主完成有效任务的时间，充电、停机、空转/无产出时段、遥操时段都不计入在内。它的核心意义在于区分机器人是“工具”还是“智能体”，前者或许可以长时间保持开机，但需要工程师随时准备接管，后者则能自主处理环境扰动、自主恢复异常状态，真正实现独立值守。

11月2日-3日，智元将安排6台G2机器人进入真实便利店，完成上货、补货、理货、制作热食、收纳垃圾、做咖啡、迎宾等任务，开启24小时不间断直播考核。这场考核的核心看点，就是机器人能否在全时段保持自主作业，不需要人工随时兜底。

第三个因子是“产出能效比”。智元提出，以“一个标准工人按标准方法、在单位时间内的合格产出”作为基准，将机器人的实际产出与标准定额进行比较，得出的当量值就是产出能效比。当当量值为1，意味着达到标准作业基准；高于1，则超出标准作业基准。

它决定了机器人的实际作业效率，并将机器人的产出效率拉到了与人力同一条基准线上。客户直接就能算出一台机器人能顶替多少人力、对应多少人力成本，而不必再对着一堆技术参数估算价值。比如在电商仓储场景中，G2 Max每小时可实现拆垛80箱、码垛75箱，整体作业成功率超99%，其产出能效比可与人工搬运直接对比。

三个因子放在一起，Worken试图建立一条从部署规模、自主有效工作到合格产出的完整评价链条。智元用一句话概括了这套逻辑：Token衡量机器思考了多少，Worken衡量机器行动了多少。

值得注意的是，智元将“活跃”和“自主”写进Worken的计算公式，等于明确了一个立场：物理AI的价值不在于具身智能机器人的存在，而在于它的有效劳动和产出。这与智元反复强调的“部署态”一脉相承——部署态不是把机器人摆进场景，而是让机器人以可核算的方式在场景里持续输出价值。

Worken的公式给出了度量框架，但“产出效能比”还需要模型能力来托底。2026智元创新日上，智元发布了两款关键模型——新一代具身基座模型GO-3 Preview、行业首个具身智能原生多模态交互大模型WITA Omni1.0，两者共同构成了Worken产出效能比的能力底座。

GO-3 Preview采用具身原生架构WRAM，是全球首个实现预训练、后训练和部署后全链路规模化学习的具身模型。它重点关注Zero-shot开箱即用，也能通过Few-shot用少量示范学习复杂操作，还可跨本体迁移到双足人形X2上。智元方面透露，GO-3 Preview已于近日登顶RoboDojo、RoboTwin、RoboColiseum三项具身智能评测榜单，将在年底开源。

WITA-OMNI则打通了视觉、听觉、语言、表情、肢体动作全模态协同，同时实现“边听 边想 边说”。它也是一个快慢双模系统，具备极速响应、超强拾音、灵动情感、本体部署、语言大咖（支持超过100种语言和29种方言）、Intelligent FaceUI、全时自主、全模态拒识；特别是Intelligent FaceUI 交互，智能面屏能展现机器人的“所思所想”，让复杂问题更直观。WITA-OMNI已经拿下Daily-Omni、TimeLens-Bench、MMAU、EmbSpatialBench等多个榜单的第一名，即日起对首批友好客户开启部署，12月全面完成国内部署。

再回到Worken的框架中看，GO-3 Preview决定了机器人在单位时间内能完成多少合格操作，WITA-OMNI决定机器人在服务场景中能自主交互多久、交互得多好。简单讲，Worken衡量的是机器人的有效劳动，而GO-3 Preview和WITA-OMNI决定了这种有效劳动的上限在哪里。

从产线到门店，真实场景正在检验新的度量衡

当然，一套新度量衡的成立也不能只靠定义和公式去自圆其说，也要在真实业务场景中去检验。智元已经在工业、文旅、零售、医疗和公共服务等场景积累了一批可落地、可检验的部署案例。

智元精灵G2在龙旗科技南昌平板制造工厂连续8小时真实产线作业直播就是一个硬核案例。

今年4月，精灵G2以产线“正式员工”身份进入南昌工厂平板量产质检工段，适配20秒节拍的高速3C生产线，稳定完成流水线取料、高精度放置、治具对接、成品回流全闭环操作。实测数据显示，机器人8小时0故障、整体作业成功率达100%；单个作业流程仅需18-20秒，每小时可完成310件产品。

到了6月的全覆盖作业直播中，8台精灵G2在6天里独立完成多媒体界面测试、音频测试、辐射杂散发射测试和耦合测试等多道高精度检测任务，生产产品17500余件，作业成功率达99.99%。

将这组数字放在Worken的框架里，就能直观看到机器人的部署规模、持续作业能力、任务产出和质量表现。单看部署规模，龙旗科技南昌工厂的机器人数量并不多，但将活跃数量、自主时长和产出效能相乘后得到的有效智能工时，才是一笔可核算的生产力账。

零售场景提供了另一个维度的检验。9月28日，智元与国民炊具品牌爱仕达展开合作，100台灵犀X2以“门店促销员”身份进入全国100家门店，承担顾客接待、需求询问、商品讲解、选品推荐、门店带路和导购转接等工作。直播3天，爱仕达百店销售额同比增长39%，国庆长尾销售额同比增长11%。

当然，这些成绩并不能完全归功于机器人，因为在涉及优惠政策、库存查询和最终成交等环节时，机器人还需与现场导购员协同配合，完成服务衔接。但它至少说明，机器人能在动态变化的零售环境下完成碎片化任务，其有效服务工时也产生了可观测的商业回报。

更多场景也在同步展开：智元携手长隆打造的全球首个大规模具身智能主题乐园已有近500台机器人常态化部署，年底会到1000台，覆盖文娱表演、科普研学、导览导购、服务零售、智能伴游、酒店和体育竞技等多个场景；灵犀X2、远征A3、酷拓D1组成的宽窄巷子首个智慧游客服务班组，武汉江滩的全球首个智元全尺寸人形机器人智慧零售仓，北京大学人民医院的“硅基接待员”……一批跨行业的部署态标杆项目已经落地，也为Worken的校准提供了更多真实样本。

Worken，重构机器人行业的商业逻辑

Worken真正的产业价值还在于，它将从底层改变机器人行业的商业逻辑。

首先，机器人的资产属性将被重新定义。传统工业设备出售后，能力基本固定，并随着使用逐渐折旧。具身智能机器人则不同：它的机械本体会折旧，但它的模型会持续升级、技能会持续扩展，部署中积累的经验也会回流，随之它能完成的任务也会越来越多，单位时间的Worken产出会越来越高。

换句话说，硬件会折旧，智能可以升值。未来决定机器人价值的，也不只是传统意义上的性价比，而是“智价比”。对应的，客户采购机器人的评估标准，也会从单位成本买到了多少硬件配置，转向机器人在产品全生命周期内能创造多少有效智能工时。

其次，规模化部署的边际成本会持续下降。一台机器人就只是一件独立的产品，但当一百万台机器人持续在线、共享经验、统一升级，它就会变成一种基础设施。就像单台服务器只是硬件设备，连接起来的云，才是算力基础设施。

而当所有机器人的Worken产出可以统一调度、统一结算，整个行业就会从卖设备转向卖生产力服务。智元提出的“部署态数据飞轮”对应的就是这个逻辑。越多的机器人在真实场景干活，沉淀的经验数据就越多，模型迭代就越快，机器人的Worken产出也会随之提升。

不同场景底层复用同一套产品、通信、运维、安全范式，客户买的就不只是一台机器，而是一个会持续进化的智能体，每一次部署态的落地，都会增厚部署态数据飞轮。从能上台到能上岗、从规模化到自进化，部署态数据飞轮正在兑现为真实价值，产生具身智能生产力。

此外，行业也终于有了统一的商业对话语言。过去，厂商讲技术参数、客户算人力成本，双方的评估体系根本不在一个维度上。有了Worken这套标准，厂商可以说自己的产品能产出多少有效智能工时，客户也能直接对应自己的人力成本与业务需求，双方在同一个标尺上谈价值、算回本周期。这对整个行业的商业化推进具有非常实际的意义。

行业也的确在朝着这个方向发展。9月的2026首届“RaaS Land”生态伙伴大会上，擎天租首次向行业系统性阐述了Worken的概念。其CEO李一言表示，未来当企业提出需求时，不再需要纠结该买哪台机器人，只需要直接说清楚需要完成什么工作。这像极了从“买什么型号的发电机”变成“按需买电”。

而根据央视财经数据，目前中国人形机器人整机企业超140家，年出货量1.44万台，全球占比84.7%——每10台人形机器人就有8台来自中国。今年9月，智元第20000台通用机器人也已下线。当设备数量不再是衡量行业实力的唯一标尺，评价维度自然就从“卖了多少台”转向“干了多少活”。

小结

智元创始人邓泰华此前判断，2026年是具身智能的部署态元年。而机器人从实验室走向产线，从展台走进景区、门店和医院后，核心命题就不是“能不能动”，而是“能不能干活，能不能持续创造价值”。

而当机器人真正开始干活，社会迟早要为它定价。因此，一套能让机器人创造的价值被准确计算的度量衡，就成了产业往前走的必备条件。智元先迈出了定义的第一步，Worken要做的，就是具身机器人的“千瓦时”。

它能否成为全行业公认的通用度量衡，还要看标准能不能统一、结算能不能跑通、第三方认不认账。这些，都需要时间来验证。但至少，方向已经足够清晰：物理AI的价值，最终都要落到真实的行动与产出上。